综述:苦味肽的智能预测、脱苦技术及多维度评价研究进展

《Foods》:Research Progress on Intelligent Prediction, Debittering Technologies, and Multi-Dimensional Evaluation for Bitter Peptides

【字体: 大 中 小 】 时间:2026年06月28日 来源:Foods 6.0

编辑推荐:

  生物活性肽虽具备健康益处,但其水解过程中伴随的强烈苦味严重制约了其工业化应用。本文系统性构建了融合智能预测、靶向脱苦及多维度评价的理论协同框架。首先,综述了深度学习(如定量构效关系(QSAR)和图卷积网络(GCN))结合分子对接技术在苦味肽高通量识别及靶受体互

  
生物活性肽虽具备健康益处,但其水解过程中伴随的强烈苦味严重制约了其工业化应用。本文系统性构建了融合智能预测、靶向脱苦及多维度评价的理论协同框架。首先,综述了深度学习(如定量构效关系(QSAR)和图卷积网络(GCN))结合分子对接技术在苦味肽高通量识别及靶受体互作机制解析中的核心应用。其次,探讨了人工智能与计算模拟如何提升传统脱苦工艺效率,强调了多功能复合壁材在苦味肽靶向包埋输送方面的优势,以及控制微生物发酵背后的代谢调控机制在针对特定肽底物脱苦中的作用。最后,为给人工智能(AI)模型提供高保真数据闭环,建立了融合标准化定量感官评价与仿生电子舌的三维交叉验证体系。未来研究应聚焦于开发风味生成大模型,以驱动低苦味、高活性肽的绿色靶向创制。

1. 引言

食品源蛋白经水解产生的生物活性肽因显著的生理调节功能与健康促进作用,已成为功能性食品开发的核心焦点。然而,蛋白水解过程破坏了天然空间构象,导致大量原本包埋于分子内部的疏水氨基酸残基暴露,这些疏水区域与口腔味觉受体结合引发强烈苦味,成为限制其规模化工业应用的主要瓶颈。尽管学界已开发物理吸附、掩蔽、微胶囊包埋、特异性酶解及微生物发酵等多种脱苦策略,但传统工艺常缺乏精准性且依赖经验。嵌入型脱敏策略的核心目标在于实现阶段控制:在口腔阶段阻断苦味肽序列与TAS2R苦味受体的接触,而在胃肠消化阶段允许释放以发挥营养或生理功能。近年来,人工智能(AI)与大数据技术同食品加工及组学分析的深度融合正革新传统食品风味研究范式。智能算法不仅能处理液相色谱-串联质谱(LC-MS/MS)产生的大规模肽序列数据并优先筛选候选苦味序列,还能通过构建图神经网络(GNN)等深度学习架构,高效筛选苦味肽并揭示其与受体的互作机制。结合分子对接与分子动力学模拟,可在原子层面直观重构苦味肽与人类苦味受体的三维结合构象。明确苦味肽精确结构及其受体靶点后,无论是选择性去除核心苦味组分、定向筛选高效代谢特定序列的微生物菌株,还是合理设计多功能复合壁材以实现精准味觉掩蔽,均能显著降低研发成本,为实现活性肽产品的“风味-功效双赢”提供技术支持。同时,感官评价与仿生电子舌技术在闭环数据体系验证中发挥着关键作用。本文旨在构建“智能预测-靶向脱苦-多维度评价”协同理论框架,为生物活性肽的苦味调控提供科学依据与方法指导。

2. 苦味肽的智能预测

人工智能与机器学习技术凭借卓越的数据处理能力,为苦味肽研究开辟了全新路径。由数据层、预测层、验证层及应用层构成的四级技术框架形成了逻辑严密的递进结构,持续的数据流与反馈机制建立了协同体系,共同驱动该领域的智能化演进。数据层作为整个框架的基础,负责整合多源异构数据与提取核心特征;预测层专注于苦味肽的精准识别及其苦味强度的定量建模;验证层通过感官评价与仿生传感技术(如电子舌和电子鼻)对预测结果进行严格实验验证;应用层作为技术成果转化的终端,核心任务在于实现脱苦工艺的智能优化,通过包埋与发酵策略制备低苦味肽,为食品工业提供靶向高效的脱苦解决方案。

2.1 基于Q规则的计算预测

Ney提出的Q规则是该领域首个系统性理论模型,其核心原理是通过平均疏水性参数(Q值)评估肽链的潜在呈味特性。该模型基于氨基酸一级序列及侧链特定疏水常数计算Q值(公式(1):Q = ΣΔg1/n,其中Q为平均疏水性(cal/mol),Δgi为第i个残基的转移自由能,n为肽链长度),当Q值超过1400 cal/mol时,肽段表现出强烈的苦味倾向。尽管随着技术进步出现了更复杂的模型,但作为奠基性工作,Q规则至今在功能性肽初步筛选与食品风味调控中仍具有重要参考价值。研究表明,苦味肽中的关键疏水残基类型与分布决定了其苦味特性,C端疏水残基引发的苦味响应显著强于N端残基。

2.2 定量构效关系(QSAR)建模

定量构效关系(QSAR)模型整合统计与机器学习算法,建立基于肽序列与结构描述符的预测体系。分子量、疏水性及氨基酸序列特异性是决定肽苦味强度的三大关键理化维度。苦味肽分子量通常集中在500至1000 Da范围内,此尺寸范围内的肽段具备最佳空间构象,能与苦味受体结合位点实现精准空间匹配与高效结合。疏水性是肽苦味的主要理化决定因素,表面疏水性与苦味阈值呈负相关,但疏水残基不应仅被视为“致苦因子”。支链氨基酸(BCAA,包括亮氨酸Leu、异亮氨酸Ile和缬氨酸Val)虽疏水,却是运动营养食品中决定蛋白质营养品质与功能价值的关键成分,与肌肉蛋白合成(MPS)信号通路密切相关。研究发现,亮氨酸氨基肽酶A(LapA)处理蛋白水解物后,游离疏水氨基酸含量显著增加,但整体苦味评分下降,证明苦味降低源于肽链断裂破坏了苦味配体的最佳结构,而非游离氨基酸浓度减少。因此,终端疏水残基的暴露状态及其与邻近残基形成的序列环境比游离疏水氨基酸的绝对浓度更能决定实际苦味强度。疏水性应作为风险指标而非唯一标准,非选择性吸附或过度酶解可能消除富含BCAA或具有生物活性的序列,更合理的策略是区分感官相关的苦味基序与营养性疏水肽,对高苦味低功能序列进行选择性去除或阻断,保留富含BCAA的营养性肽并通过口腔掩蔽、包埋或受体阻断策略进行管理。

2.3 基于分级分离的苦味肽鉴定

感官引导的分级分离是连接肽序列与实际苦味的关键环节。复杂水解物首先通过超滤、反相色谱、多维制备液相色谱或错流过滤分为不同组分,随后优先对苦味较强或苦味持久组分进行LC-MS/MS肽组学与序列解析。这种整合分级、感官评价与肽组学的多维流程显著提高了苦味肽鉴定的可靠性。研究表明,基于苦味评价的色谱分离可有效缩小苦味贡献肽的搜寻范围,肽谱可通过统计学手段与苦味等感官描述符相关联,从而在酶解动力学过程中识别出对苦味影响最强的肽段。

2.4 基于肽组学与分子对接的数据筛选

确定苦味相关组分与候选肽序列后,需进行受体层面的分析以解释肽与人类苦味受体的相互作用。人类苦味感知本质上是防止摄入潜在有害物质的生理防御机制,其分子基础在于舌乳头Ⅱ型受体细胞表面的苦味受体家族(T2R),人类基因组编码约25种高度多态性的T2R受体,均属于G蛋白偶联受体(GPCR)家族,具有典型的七次跨膜螺旋(TM1至TM7)结构。其中TAS2R14常被用作建模靶点。苦味肽与受体的结合遵循诱导契合动态模型,苦味肽通常包含结合单元(BU)与刺激单元(SU),空间距离约为4.1 ?。肽配体进入受体胞外结合口袋后,其疏水侧链或刺激单元的特定电荷通过位阻和静电作用破坏维持受体静态的氢键网络与离子键,导致TM6(第六跨膜螺旋)向外位移,激活受体内胞质结合域,促进下游G蛋白插入与耦合激活,将多肽化学信号转化为中枢神经系统可识别的神经信号。肽组学基于LC-MS/MS提供复杂水解物中的序列水平信息,为后续受体层面分析提供候选配体。结合分子对接,可将肽丰度与序列特征与预测的TAS2R互作联系起来,帮助优先选择用于感官或受体验证的肽段。该技术有效避免了传统预测模型难以获取真实氨基酸序列的缺陷。目前,肽组学已广泛应用于乳制品、水产品及肉制品等复杂食品中特征苦味序列的精准追踪,而分子对接技术则进一步在原子层面阐明了这些肽与广谱苦味受体的空间互作模式,通过计算模拟不仅解码了产苦机制,还反向筛选出高效竞争性抑制剂,确立了从肽组学提取序列、机器学习与分子对接虚拟筛选到感官评价或仿生电子舌验证的完整研究流程。

2.5 深度学习模型

尽管肽组学成功将感官数据与苦味阈值及受体活性相关联,但质谱信号强度的检测限常降低检测灵敏度。机器学习(ML)模型凭借精准捕捉复杂分子内部关系的能力提供了突破局限的可行方案。现代人工智能技术在分析三维空间效应方面优势显著,其中图神经网络(GNN)因能将多肽分子抽象为拓扑图结构,直接映射和描述不同氨基酸残基间复杂的非线性关系而成为研究热点。BitterPep-GCN模型首次将图卷积网络(GCN)应用于苦味肽预测,突破了传统序列模型的维度限制。TP-LMMSG框架灵活整合了多肽的异质特征与空间连通性,在多种生物活性肽预测中展现出优异的泛化能力。BIPE(Bitterness Intensity Prediction Engine)系统利用大规模蛋白质语言模型,通过吸收海量食品蛋白水解物数据集的序列语义信息,在 log 空间内对苦味阈值进行定量回归。然而,要使这些模型在食品工程中获得真正认可,必须通过严格验证形成完整数据闭环。CPM-BP预测模型结合蛋白质组学、机器学习及细胞学实验,通过工程化HEK293T细胞系证实模型预测的靶向序列成功激活受体并启动苦味信号通路,有力证明了AI模型指导实际食品基质脱苦过程的实践能力。现有算法仍存在局限,无法准确复现复杂水溶液环境中肽的动态三维折叠过程,且往往忽略脂质和多糖等大分子的物理掩蔽效应,导致预测结果与实际感官评价存在偏差。此外,训练数据的局限性导致模型在面对陌生生物基质或高度复杂的混合食品体系时,识别能力显著下降。

3. 苦味肽的AI靶向脱苦

苦味肽广泛存在于各类食品蛋白水解物中,其形成规律与结构特征高度依赖于原料蛋白组成,因此在工业脱苦中不能依赖单一方案。传统物理干预技术(活性炭吸附、微胶囊包埋、掩蔽)核心机制在于空间隔离苦味物质或直接阻断口腔苦味感知;酶法脱苦引入特异性酶制剂切割靶向苦味序列;生物法则主要依赖微生物发酵,利用活微生物持续分泌的肽酶靶向降解苦味多肽。近年来,在智能算法与组学数据驱动下,脱苦工艺正向精细化策略转型。

3.1 计算机辅助物理脱苦

分子模拟技术赋予物理脱苦与掩蔽剂筛选计算机虚拟预测能力。通过计算模型精准量化目标肽段与特定受体、分离介质或掩蔽分子之间的结合自由能,可实现热力学视角的吸附行为定量分析。
3.1.1 风味掩蔽
风味掩蔽是一种经典的非破坏性脱苦策略,通过引入特定风味化合物或多糖诱导味觉受体层面的竞争性抑制或物理阻断。但掩蔽方法的脱苦效果极易受复杂食品基质干扰,在真实食品体系中表现极不稳定。
3.1.2 选择性分离
选择性分离技术主要通过吸附、溶剂萃取、超滤、沉淀或色谱法靶向去除酶解产物中的苦味物质。活性炭吸附主要依靠疏水吸附,辅以氢键与静电作用优先吸附富含芳香族氨基酸的高分子量疏水肽。然而,基于分离的脱苦本质上缺乏选择性,苦味肽与生物活性肽常共享相似的理化特征,可能导致营养性或生物活性肽被共去除。结合肽丰度、感官阈值、预测的TAS2R结合风险及已知生物活性基序来区分感官相关苦味组分与营养性疏水肽是更合理的策略。分子对接与分子动力学模拟为突破技术壁垒提供了新方案,通过精确计算吸附剂表面微观结构与苦味肽暴露疏水基团之间的堆叠力与静电排斥能,实现吸附行为的定量分析,筛选孔径与苦味肽水合半径高度匹配且极性微环境能特异性锚定致苦基序的吸附介质。
3.1.3 溶剂萃取
溶剂萃取基于极性相似相溶原理,虽能有效降低苦味但常引入有机溶剂残留风险。超声辅助萃取可促进分子扩散改善反应动力学,但直接应用于苦味肽水解物仍受限于溶剂残留、肽损失及活性降低风险。传统膜分离技术的脱苦效果常缺乏确定性,引入分子动力学(MD)模拟预测特定苦味肽在水溶液中的表面电荷分布,可筛选出孔径与亲/疏水性最适配的膜材料,显著提高脱苦的选择性与工业运行效率。

3.2 AI驱动的包埋脱苦技术

包埋技术通过构建微观物理屏障阻止苦味肽疏水基团接触TAS2R家族受体,是目前食品工业采用的关键策略之一。理想的包埋体系不仅需通过空间位阻效应物理屏蔽苦味感知,还应允许肽段在胃或肠条件下可控释放,确保生物活性肽的靶向释放与功能发挥。
3.2.1 分子包合与凝胶网络截留
利用具有特定空腔结构的寡糖进行主客体识别,是针对低分子量、强疏水性苦味肽的高效分子水平包封策略。环状分子凭借疏水内腔与亲水外表面,通过范德华力与疏水作用使肽链暴露的苦味疏水侧链自发插入环状结构,降低表面疏水性。现代凝胶技术引入增强型共价或非共价交联方法,可构建孔径可控的三维凝胶网络,减少苦味肽的口腔释放与扩散。
3.2.2 基于乳液和纳米囊泡的包埋
在多相液体体系中,通过乳液或脂质体构建多级界面屏障可显著改变苦味肽在水/油相间的分布动力学。将苦味肽精确定位于内水相(W1),致密油相(O)与外部连续相(W2)协同切断苦味分子的口腔释放路径。磷脂基纳米囊泡(PBNs)通过两亲性磷脂分子自组装形成纳米级双层结构,结合W/O乳液转移法构建多层膜纳米胶囊结构,显著增强了界面热力学稳定性,实现了苦味与涩味的降低。
3.2.3 壁材与交联的计算驱动预测
人工智能与高级建模技术的深度融合,通过精准掩蔽与包埋策略显著增强了对苦味形成机制的理解。机器学习复合预测模型成功揭示了人类广谱苦味受体TAS2R14的保守结合位点及其配体识别机制,在原子层面精准定位决定结合亲和力的关键氨基酸残基,为后续物理嵌入脱苦提供了极其重要的精准靶点信息,推动了从AI靶点预测到β-环糊精精准掩蔽的联动策略。

3.3 计算机水解引导的酶法脱苦

酶法脱苦的核心在于受控利用特异性蛋白酶或肽酶重塑苦味肽的结合单元(BU)与刺激单元(SU)。内切肽酶切割内部肽键,外切肽酶(包括氨肽酶与羧肽酶)从N端或C端移除末端残基。选择性末端修剪可削弱受体识别基序,减少其与TAS2R受体的相互作用,但必须严格控制酶解终点以避免过度切割降低功能肽序列或产生新的苦味片段。现代酶法脱苦与深度学习预测模型的整合,使工艺从经验水解转向靶向切割设计。通过蛋白质语言模型、分子对接与虚拟水解工具模拟蛋白酶的特定切割模式,预测生成肽段的苦味或功能潜力,实现高吞吐量虚拟肽组学图谱的生成。AI驱动的自动化特征提取技术可从大量虚拟片段中精准识别位于肽链末端或暴露表面的核心苦味段,同时巧妙避开已知活性功能基序,通过反向推荐复合酶的最佳组合与酶源比例,在保留肽最大抗氧化活性的同时显著降低体系整体苦味。此外,靶向水解不仅能最小化苦味肽生成,还能产生能够竞争性结合苦味受体的肽段,直接在受体层面阻断苦味信号传递。
凝乳反应
凝乳反应作为一种典型的蛋白酶催化修饰技术,常用于蛋白水解产物的后处理。该反应诱导多肽聚合,减少游离氨基数量同时改变肽链结构,从而有效掩蔽苦味肽。通过蛋白酶催化的逆缩合或转肽作用,小分子苦味肽重组聚合成大分子复合物,致苦残基被物理包封在大分子结构内部,丧失与味觉受体位点结合的空间构象。结合深度学习预测模型可深入分析不同蛋白酶的酶解特性,实现精准酶选并有效预测蛋白酶产生苦味肽的倾向,这种结合靶向切割与反向组装的智能酶法策略,为同时改善肽的风味品质与生物活性提供了新的技术途径。

3.4 微生物发酵参数的智能优化

微生物发酵脱苦本质上是一个复杂的代谢网络调控过程,依靠微生物的代谢控制,细胞外酶系统可靶向切割苦味前体物质,将其转化为苦味感官强度较低的分子。传统工艺筛选依赖人工经验或正交试验,效率低且易陷入局部最优解。发酵工程研究已开始深度融合支持向量机(SVM)、随机森林(RF)与响应面法(RSM)等机器学习算法进行全发酵过程的高维全局优化。通过构建微生物与风味肽的共现相关性网络,可明确核心菌属在风味肽生成中的关键代谢作用。利用同源建模构建鲜味受体T1R1/T1R3与苦味受体TAS2R14的三维结构,并通过分子对接与分子动力学(MD)模拟确认最优结合稳定性,证实鲜味肽可竞争性结合TAS2R14受体的活性口袋,从而阻断苦味肽与受体的相互作用及后续信号通路激活,实现竞争结合介导的脱苦与风味增强。发酵过程中微生物的代谢活动改变了食品基质的化学成分,可减少苦味氨基酸积累或增加甜鲜化合物浓度。多菌株混合发酵系统中,微生物群落的协同代谢可有效促进苦味前体蛋白的降解。整合历史多组学数据构建具有强分析能力的预测模型,借助AI深度解码发酵表型的复杂性,可精准定位最优代谢平衡点,在最大程度抑制苦味肽前体形成的同时,促进特定微生物肽酶对残留疏水残基的高效降解。基于转录组学与代谢组学数据的代谢通量分析(MFA)模型通过网络拓扑图揭示发酵胁迫环境对氨基酸降解途径的影响,加速苦味分子的消散,并引导碳氮代谢流向具有鲜味或甜味的游离氨基酸与小肽,支持发酵体系风味的自我修复与目标轮廓构建。

4. 苦味肽的苦味评价方法

苦味量化长期依赖感官阈值概念,苦味阈值仍是表征苦味肽的关键参数。当前评价体系已超越传统工艺验证功能,成为深度学习模型高保真训练数据的主要来源。目前已建立融合标准化感官定量评估与仿生电子舌技术的三维交叉验证框架,在实现苦味肽强度精准客观定量的同时,为AI模型迭代优化提供稳定数据支持。

4.1 定量感官评价体系

除结构因素外,感官评价仍是直接反映食品品质中苦味肽真实食用体验的唯一手段。定量描述分析(QDA)在苦味肽感官评价中具有主导地位。该方法通过标准化实验设计将主观味觉感知转化为客观定量数据。其生理基础在于苦味肽与舌表面苦味受体特异性结合后,触发胞内信号级联放大反应,最终导致苦味感知。为确保QDA可靠性,需对评价员进行筛选、培训及表现监控,使用咖啡因或奎宁等标准苦味化合物预筛评价员的苦味敏感性,并在培训过程中使用苦味强度分级参考溶液建立统一强度标准,在受控、随机与盲样条件下制备与呈送样品。

4.2 仿生电子舌传感器评价

鉴于传统人工感官评价通量低、主观性强等固有局限,电子舌(E-tongue)系统已成为苦味筛选的有用补充工具。电子舌不测量享乐喜好或情感接受度,而是通过传感器阵列与化学计量学模型产生可重复的物理化学响应模式,可与人类感官数据进行校准,特别适用于苦味肽组分的高
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号